> ## Documentation Index
> Fetch the complete documentation index at: https://meta.niceshare.site/llms.txt
> Use this file to discover all available pages before exploring further.
# 均值回归
> 均值回归指极端测量之后往往出现更接近平均的结果。它常被误认为干预奏效。了解起源、案例与边界，少交「伪因果」学费。
**类别**：效应
**类型**：统计规律与解释陷阱
**来源**：高尔顿家族身高研究（19 世纪 80 年代）；后推广至多领域
**别名**：向中庸回归（历史表述）
**快速回答** — **均值回归**（Regression to the Mean）指异常高或低的分数之后，下一次测量往往更接近总体均值——不一定因为你「做对了什么」，而是因为极端值里混有随机波动。它解释表扬/惩罚、医疗干预与运动「低潮」之后的错觉因果。把它与治疗真实效果混淆，是管理与政策里极昂贵的思维错误之一。
## 什么是均值回归？
**均值回归**（Regression to the Mean）是重复测量中的常见模式：**极端结果之后，更容易出现较温和的结果**，即便世界没有本质变化。只要极端观测混合了**真实水平**与**噪声**，极端里就有一部分「运气」，而运气很难原样复现。
> 极端常常一半偶然；下一次很少同样偶然地偏向同一侧。
它广泛见于考试分数、运动表现、企业盈利与临床症状。与 [幸存者偏差](/zh/effects/survivorship-bias) 相互作用；与 [赌徒谬误](/zh/fallacies/gamblers-fallacy) 不同——后者错误期待**平衡**，而均值回归谈的是向总体分布的**统计性**靠拢。它与 [大数定律](/zh/laws/law-of-large-numbers) 互补：样本越大，平均越稳；单次极值则不然。
### 均值回归的三层理解
* **入门**：特别好或特别糟的一天之后，下一天往往更接近平常——部分因为第一天本就异常。
* **实践者**：在极端低分之后把「进步」归功于教练或药物前，先问：不做任何事，朴素预测会是多少？
* **进阶**：建立把极端估计**向先验均值收缩**的模型——这是「回归」思想的统计核心。
## 起源
**高尔顿**研究父母与子女身高：特别高的父母，其子女往往仍偏高，但相对全体人群不如父母那么极端（「向中庸回归」）。这不是道德说教，而是**代际测量之间相关系数小于 1** 的数学结果。
后来推广到：两变量相关 imperfect 时，由一个极端值预测另一个变量会得到**较不极端**的预测。心理学家强调这会制造**虚假因果**——人们在筛选后的样本上看到自然回落，却以为是自己的动作奏效。
## 核心要点
均值回归是把信号与事后筛选噪声分开的透镜。
创纪录月份、发烧峰值或一次考试高分，往往高估或低估稳定水平。
只研究「最差案例」或「最佳表现者」时，即便无效干预也会出现部分回升。
第二次测量在叙事上并非独立——数学上常被均值拉回。
随机试验与历史基线帮助区分真实影响与统计反弹。
## 应用场景
用它审计表扬、责罚与「到底什么管用」。
极低分重测往往会回升一部分——辅导效果要先跑赢这层基线预期。
新秀爆发与低谷常向联盟平均移动；叙事却爱发明「撞墙」与「大心脏」。
人们常在症状高峰就医，之后好转部分源于自然波动——试验需要对照。
最差季度后惩罚、最好季度后重奖，可能误读运气；要看更长序列与分布。
## 经典案例
高尔顿的家族身高分析是可核查的经典：**中位父母身高极高时，子女身高仍相关，但相对全体人群不如父母极端**——相关系数小于 1.0 的数学事实。现代教材用同一结构提醒：任何单次极端——血压、销量、缺陷率——在重测时若向长期均值移动，并不自动证明你上一周做了什么神奇的事。
## 边界与失效场景
均值回归解释的是变化的**一部分**，不是全部。
**边界一：真实干预存在**\
训练、治疗与流程改进可以提升真实均值——不仅是统计反弹。
**边界二：极端有时意味结构突变**\
持续体制变化时，简单「回到旧均值」的故事可能失效。
**常见误用**：把危机后的所有改善都斥为「只是回归」——却不与可信反事实比较。
## 常见误区
对运气保持谦逊，是专业素养。
**事实**：预测是从极端**朝均值方向**移动，不是所有人结果相同。
**事实**：赌徒谬误误用独立序列；回归来自测量误差与不完全相关。
**事实**：「前测」极端几乎保证某种变化——实验设计要处理这一点。
## 相关概念
判断证据与筛选时，可配合阅读：
为何你只看到赢家，看不到完整抽样。
样本越大，平均越稳定。
关于独立序列的另一种错误直觉。
## 一句话总结
若从一个极端出发，下一个数据点往往更平常——即便你什么也没做。